Pytorch张量数据类型的示例分析,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。
在PyTorch中无法展示字符串,因此表达字符串,需要将其转换成编码的类型,比如one_hot,word2vec等。
在python中,会有标量,向量,矩阵等的区分。但在PyTorch中,这些统称为张量tensor,只是维度不同而已。
标量就是0维张量,只有一个数字,没有维度。
向量就是1维张量,是有顺序的数字,但没有“行”或“列”的区分。
矩阵就是2维张量,有形状,行和列。
以此类推,PyTorch中也常用3维张量和4维张量。
具体的张量生成和相关特性获取方式如下:
在PyTorch中,没有中括号,只有一个数字,就是1维张量,也就是python中的标量。
可以通过不同的方法查看数据的维度:
对于0维张量,查看形状的时候就是0。
通过Pytorch可以直接指定一个具体的张量数据,也可以通过指定张量的形状,来随机生成指定形状的数据。
如果通过numpy生成了数据,可以通过torch.from_numpy来转换成张量。
通常,在RNN中会使用3维张量。
通常,在CNN中会使用3维张量。比如下图生成的四维张量,可以理解为是2张图,3层颜色,长宽均为28
以上,通过不同的方法可以生成想要的维度的张量,并查看相关属性。
看完上述内容,你们掌握Pytorch张量数据类型的示例分析的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注亿速云行业资讯频道,感谢各位的阅读!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。